Nvidia table sur une multiplication par dix de la puissance de calcul IA européenne

800 exaflops « mis en service ou annoncés », vraiment ?

Les projections de croissance sont toutefois encourageantes. Depuis la GTC Paris du mois de juin 2025, Nvidia a compté 800 exaflops de puissance de calcul dédiée à l’IA en Europe « mis en service ou annoncés ».

« Nous prévoyons une multiplication par dix de cette puissance de calcul d’ici à 2027 », annonce le vice-président EMEA. L’on atteindrait alors 8000 exaflops en Europe, si tant est que la puissance électrique soit disponible (que le réseau tienne), que les puces soient suffisamment efficientes et que les data centers puissent sortir de terre.

Pour l’instant, les GPU mentionnés par le géant équiperont majoritairement 35 supercalculateurs en cours de construction à travers l’Europe et les datacenters locaux des hyperscalers américains.

Selon le classement des supercalculateurs TOP500, mis à jour en juin 2026, un seul supercalculateur européen atteint le seuil exaflopique : le fameux Jupiter du projet EuroHPC installé en Allemagne. Il est suivi par HPC7 (571 pétaflops, soit 0,57 exaflops) et HPC6 (477 pétaflops, soit 0,48 exaflops) d’ENI en Italie.

Ces 800 exaflops sont à prendre avec des pincettes : Nvidia utilise sa propre méthodologie pour calculer la puissance de calcul, en distinguant vaguement les performances en entraînement et en inférence selon les charges de travail.

Les projections détaillées illustrent cette approche. Le fournisseur évoque l’actualisation de 5 projets euroHPC majeurs. Une fois ses GPU installés, MareNostrum 5 (Barcelone) culminera à 20 exaflops en entraînement et 33 en inférence. BlueSwan (BavarAI) atteindra 11 et 22 exaflops. IT4LIA se positionne en tête avec 82 et 164 exaflops, suivis de HammerHAI (HLRS) avec 8 et 15 exaflops, et enfin AI Factory Mimer (NAISS) avec 4 et 7 exaflops.

Il n’en reste pas moins que le géant fabless espère bien asseoir sa domination sur le marché européen, en misant sur ses GPU et ses logiciels. Paolo Guglielmini avance les atouts de ses nouvelles architectures, à commencer par Vera Rubin et DSX. Nvidia dit avoir la réponse en matière « de tokens par mégawatts ». « Nous parlons d’une multiplication par 35 de la génération de tokens par mégawatts » [par rapport à la précédente architecture], vante le vice-président EMEA. Et d’insister sur le fait qu’il s’agit d’une solution importante quand les capacités énergétiques sont limitées, « comme c’est le cas en Europe ».

La plateforme de calcul « la plus avancée et la  plus viable économiquement »

Le fournisseur prône par ailleurs la flexibilité. Derrière l’appellation Vera Rubin, Nvidia propose sept nouvelles puces et cinq configurations système intégrant CPU, GPU, DPU et technologies réseau.

« Dans un contexte de contraintes énergétiques, il faut miser sur la plateforme de calcul la plus avancée sur le plan technique, mais aussi la plus viable financièrement », poursuit-il.

Le dirigeant oublie de mentionner l’augmentation des prix des GPU à l’achat et à la location, due à la popularité de l’IA générative/agentique et à la pénurie de mémoire vive. « Le prix de location d’un H100 a augmenté de 20 % depuis le début de l’année, tandis que les tarifs du cloud A100 ont progressé de près de 15 % », a affirmé Colette M. Kress, directrice administrative et financière de Nvidia, le 20 mai dernier, lors de la présentation des résultats financiers.

Elle ajoute qu’un GPU GB300 permettrait de réduire jusqu’à 60 % le coût par token.

« La bonne mesure économique n’est pas le prix d’achat du GPU, c’est le coût total sur la durée de vie d’une usine d’IA produisant de l’intelligence : tokens par watt, tokens par dollar, temps de disponibilité, taux d’utilisation, délai de mise en production, durabilité logicielle et durée de vie des actifs », argue-t-elle.

Paolo Guglielmini met particulièrement en avant DSX OS qui n’est autre qu’une distribution de Kubernetes appliquée à l’orchestration de charge de travail IA d’entraînement et surtout d’inférence. Cette pile permettrait de « doubler la productivité avec la même quantité de puces ».

Nvidia domine deux des cinq couches du « gâteau de l’IA » (l’énergie, les puces, l’infrastructure, les modèles, les applications) décrit par Jensen Huang, cofondateur et CEO de Nvidia.

Mais le géant considère qu’il faut faire croître ces cinq couches simultanément, en commençant par les modèles et les applications. Le fournisseur investit lui-même dans l’entraînement de LLM et de modèles spécialisés dans des domaines comme la robotique (Isaac Groot, Cosmos 3), la biologie (BioNeMo), l’industrie et l’ingénierie. Une bonne part de ces algorithmes sont disponibles sous licences ouvertes.

Nvidia prône l’entraînement de modèles ouverts et spécifiques…mais de préférence sur ses GPU

« Nvidia a investi des milliards de dollars dans le développement d’un écosystème totalement ouvert » vante Paolo Guglielmini. Rappelons que le framework de traitement parallèle CUDA, pierre angulaire de l’écosystème IA et à la base de la plupart des LLM, est propriétaire.

Peu importe. Nvidia aimerait que les entreprises européennes adoptent ces modèles, alors que les fournisseurs de LLM chinois tentent de les séduire (par exemple, Alibaba/Qwen et Minimax avaient un stand lors du RAISE Summit 2026).  

« L’Europe doit s’atteler à développer une IA spécifique à certains domaines », avance le vice-président EMEA. « Notre mission doit consister à mettre en œuvre l’IA de manière à obtenir un retour sur investissement optimal pour la langue, la culture et le cadre réglementaire dans lequel nous évoluons », poursuit-il. « Et pour cela, les modèles ouverts et notre plateforme de calcul de haut niveau constituent une opportunité exceptionnelle d’avancer rapidement ».

Plusieurs entreprises et organisations européennes auraient adopté les modèles Nemotron, dont Linagora, en France, Sophee en Allemagne, le consortium EuroLLM en Espagne, ou Bielik.AI en Pologne.

Nemotron est aussi la marque ombrelle pour des techniques d’entraînement et d’inférence développées par les ingénieurs IA de Nvidia. Elles sont mises en pratique par le BSC, LightOn, et plusieurs laboratoires de recherche en Espagne, en Suède, en République tchèque, ou encore en Slovénie.

S’imposer plus ou moins subtilement auprès des startups et des néoclouds

Par ailleurs, Nvidia a lancé en mars dernier la coalition Nemotron. Elle rassemble des acteurs américains, et européens, dont Black Forest Labs, Mistral AI et H Company. L’objectif est de créer un modèle ouvert entraîné sur Nvidia DGX Cloud réunissant des capacités de traitement de texte, de vision, de traitement audio, de computer use, etc. Nvidia proposera ensuite aux entreprises de fine-tuner ce modèle pour leurs besoins spécifiques. Un service payant, bien évidemment.

Ailleurs, le fournisseur applique d’autres méthodes plus directes pour tenter de contrôler le marché. Le 1^er juillet, Colette M. Kress a annoncé un nouveau modèle économique ciblant les neoclouds.

Au lieu de les laisser emprunter auprès des banques, Nvidia dit leur faciliter l’achat des GPU avec une forme de ligne de crédit en contrepartie d’une part de leurs revenus.

« Cela permettra à Nvidia de percevoir à la fois les revenus liés à la vente de ses produits et une part des revenus générés par le cloud sur la capacité prise en charge », explique-t-elle. Tout en prenant une part du risque à sa charge, le fournisseur se paie deux fois, soulignent The Register et Tom’s Hardware.

Deux startups, Firmus et Sharon AI, ont accepté de souscrire à ce modèle en Asie-Pacifique pour un total de 210 000 GPU. Nvidia évoque les potentiels clients de ces deux acteurs : les fournisseurs d’inférence, qu’ils disposent ou non de GPU en propre tels que Baseten, Fireworks AI ou Together AI. Aucun acteur européen n’a pour l’instant été mentionné. En tout cas, un bon nombre d’acteurs sur place au salon RAISE affichaient un petit panneau vert sur lequel était écrit « Nvidia Partner ».